Simultaneous control of all false discovery proportions in large-scale multiple hypothesis testing
大规模多重检验中所有假设子集的错误发现比例同时控制AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究通用多重检验与事后选择，没有明确对应所列经济或金融应用领域。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
大规模多重检验中所有假设子集的错误发现比例同时控制
- 研究问题
- 如何对事后选择的任意假设子集提供错误发现比例的同时置信界，并在假设数量增大时保持有效的检验功效？
- 方法与思路
- 作者研究以 Simes 检验为局部检验的闭合检验程序，构造快速精确的计算捷径，并分析其大规模渐近性质。
- 材料陈述的贡献
- 摘要称，在最低信号条件下平均功效不消失，置信界对规模不消失的子集具有一致性，并揭示与 BH 程序的联系。
- 阅读关注点
- 应核对同时置信界的概率保证、Simes 检验所需条件、最低信号要求，以及子集规模不消失的具体定义。
- 阅读边界
- 仅据 Crossref 摘要；依赖结构、信号条件和算法复杂度未具体说明，错误发现比例的同时界不能直接等同于通常的 FDR 控制。
原文摘要
Summary Closed testing procedures are classically used for familywise error rate control, but they can also be used to obtain simultaneous confidence bounds for the false discovery proportion in all subsets of the hypotheses, allowing for inference robust to post hoc selection of subsets. In this paper we investigate the special case of closed testing with Simes local tests. We construct a novel fast and exact shortcut and use it to investigate the power of this approach when the number of hypotheses goes to infinity. We show that if a minimal level of signal is present, the average power to detect false hypotheses at any desired false discovery proportion does not vanish. Additionally, we show that the confidence bounds for false discovery proportion are consistent estimators for the true false discovery proportion for every nonvanishing subset. We also show close connections between Simes-based closed testing and the procedure of Benjamini and Hochberg.